水下目標特征提取中希爾伯特黃變換方法的應用

趙航　陶重陽　李高磊

【摘要】 由于傳統時頻分析方法的水下目標特征提取受到一定的制約，為解決之一問題，采用希爾伯特黃變換的方法可進行水下目標特征的提取，結果說明，希爾伯特黃變換方法對于信號的時頻特性具有較高的分辨能力，其比較適用于水聲平穩信號的分析。

【關鍵詞】 特征提取 希爾伯特黃變換 應用

一、水下目標特征提取中希爾伯特黃變換方法的應用

希爾伯特黃變換方法是一種新型的時頻分析方法，運用希爾伯特黃變換方法可以進行處理非平穩信號，正是基于這種獨特的優勢，希爾伯特黃變換方法在信號處理領域得到廣泛推廣和應用。

如何將信號分解成一些固有的模態函數的組合，這就運用到希爾伯特黃變換方法中的經驗模態分解，經驗模態分解就是要先找到信號的極值點，然后將上下極值點用包絡線連接起來，也就是K1和K2，先算出上下包絡線的均值，這里用M1進行表示：

（5）

其中，在公式（5）中，Gi代表可進行希爾伯特黃變換的固有模態函數分量，由于無法進行經驗模態分解分量Rn本身的頻率很低，可以將它看作信號宏觀趨勢項。然后利用經驗模態分解法，對所有固有模態函數分量進行希爾伯特黃變換方法內容中的希爾伯特譜分析，算出各個分量的瞬時幅度和瞬時相位，這樣才能得出瞬時頻率，根據所算出的瞬時幅度，瞬時相位和瞬時頻率，畫出希爾伯特譜。為了描述信號時頻的特性，引入了希爾伯特邊際譜，也就是希爾伯特在時域上的積分。

二、水下目標特征提取中希爾伯特黃變換方法的優勢

通過對希爾伯特黃變換算法的詳細分析，我們就可以發現希爾伯特黃變換算法有許多優勢：首先，希爾伯特黃變換方法解決了在非穩態信號下的分析難題，有效減小了模態混疊的現象產生，適合突變信號。 其次，希爾伯特黃變換方法是一種整體的分解過程，這主要是由于經驗模態分解的過程中對整個時域信號的進行了分解，以局部極值為基礎所及進行的計算和分析。再次，經驗模態分解具有完備性和近似性的正交性。有公式（5）可以得出其完備性，而近似性則是根據大量的實驗數據所得。所以，長數據的固有模態函數，其模態之間的泄露不能大于1%。最后，希爾伯特黃變換算法不再依賴基底的分解，實現了獨自適應基底的分解。

三、結語

綜上所述，運用希爾伯特黃變換算法能夠更有效的提取水下靜止的小目標特征，同時能夠分辨出目標信號和混響，這主要因為應用希爾伯特黃變換的水下目標特征提取，具有高分辨的性能，同時針對同種目標的分析結果也具有穩定性。所以，希爾伯特黃變換方法在信號處理領域得到廣泛推廣和應用。

參 考 文 獻

[1] 李秀坤，謝磊，秦宇. 應用希爾伯特黃變換的水下目標特征提取[J]. 哈爾濱工程大學學報，2009，（5）：542-546

[2] 賴思邈，張效民，曹丕. HHT在水下目標信號特征提取中的應用[J]. 電聲技術，2009，（6）：36-40

[3] 李秀坤，李婷婷，夏峙. 水下目標特性特征提取及其融合[J]. 哈爾濱工程大學學報，，2010，（7）：903-908